[发明专利]文本处理方法、装置、存储介质及电子装置

说明书

本发明公开了一种文本处理方法、装置、存储介质及电子装置。其中，该文本处理方法包括：获取查询文本，将查询文本进行净化处理，得到目标查询文本，其中，净化处理用于将查询文本中的目标字符去掉；获取源文本，将源文本进行净化处理，得到目标源文本，其中，净化处理用于将源文本中的目标字符去掉；将目标查询文本与目标源文本进行匹配，确定目标查询文本在目标源文本中的起止索引位置；通过映射关系以及起止索引位置，确定查询文本在源文本中的原始位置，在本实施例中，通过降噪后的查询文本与源文本进行文本匹配，避免噪音的干扰，以至少解决现有技术中，文本匹配准确度较低的技术问题。

技术领域

本发明涉及文本处理相关领域，具体而言，涉及一种文本处理方法、装置、存储介质及电子装置。

背景技术

随着智能化的发展，人们对文本的需求越来越多，人们在从文本中获取一段文字时，由于事件的耽误，间隔一段时间不知道该段文字在文本的位置，需要快速查找该段在文本中的位置。

在相关技术中，给定两段长文本，经常会因为来自不同的操作系统或者做了不同的文本处理，虽然内容完全相同，但是因为一些噪声的存在，导致文本匹配失败。这些噪声包括：1)标点符号中英文不一致，如：,与，：与:)与)；2)全半角格式不一致；3)存在特殊字符如：\u0001；4)存在转义表达如：\”。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种文本处理方法、装置、存储介质及电子装置，以至少解决现有技术中，文本匹配准确度较低的技术问题。

根据本发明实施例的一个方面，提供了一种文本处理方法，包括：获取查询文本，将所述查询文本进行净化处理，得到目标查询文本，其中，所述净化处理用于将所述查询文本中的目标字符去掉；获取源文本，将所述源文本进行净化处理，得到目标源文本，其中，所述净化处理用于将所述源文本中的目标字符去掉；将所述目标查询文本与所述目标源文本进行匹配，确定所述目标查询文本在所述目标源文本中的起止索引位置；通过映射关系以及所述起止索引位置，确定所述查询文本在所述源文本中的原始位置。

可选的，所述获取查询文本，将所述查询文本进行净化处理，得到目标查询文本，包括：将所述查询文本与目标字符数据库进行匹配，将所述查询文本中存在所述目标字符数据库中的字符删除，得到所述目标查询文本，其中，所述目标字符库中包括除文字中文、英文、数字之外的字符。

可选的，所述获取源文本，将所述源文本进行净化处理，得到目标源文本，包括：将所述源文本与所述目标字符数据库进行匹配，将所述源文本中存在所述目标字符数据库中的字符删除，得到所述目标源文本，其中，所述目标字符库中包括除文字中文、英文、数字之外的字符。

可选的，所述通过映射关系以及所述起止索引位置，确定所述查询文本在所述源文本中的原始位置之后，所述方法还包括：根据所述原始位置将所述查询文本插入所述源文本中。

根据本发明实施例的另一方面，还提供了一种文本处理装置，包括：第一获取单元，用于获取查询文本，将所述查询文本进行净化处理，得到目标查询文本，其中，所述净化处理用于将所述查询文本中的目标字符去掉；第二获取单元，用于获取源文本，将所述源文本进行净化处理，得到目标源文本，其中，所述净化处理用于将所述源文本中的目标字符去掉；第一确定单元，用于将所述目标查询文本与所述目标源文本进行匹配，确定所述目标查询文本在所述目标源文本中的起止索引位置；第二确定单元，用于通过映射关系以及所述起止索引位置，确定所述查询文本在所述源文本中的原始位置。

可选的，所述第一获取单元，包括：第一查询模块，用于将所述查询文本与目标字符数据库进行匹配，将所述查询文本中存在所述目标字符数据库中的字符删除，得到所述目标查询文本，其中，所述目标字符库中包括除文字中文、英文、数字之外的字符。